Asante kwa kutembelea Nature.com.Toleo la kivinjari unachotumia lina uwezo mdogo wa kutumia CSS.Kwa matokeo bora zaidi, tunapendekeza utumie toleo jipya zaidi la kivinjari chako (au kuzima hali ya uoanifu katika Internet Explorer).Wakati huo huo, ili kuhakikisha usaidizi unaoendelea, tunaonyesha tovuti bila mtindo au JavaScript.
Maombi ya akili bandia ya kimatibabu (AI) yanakua kwa kasi, lakini mitaala iliyopo ya shule ya matibabu inatoa mafunzo machache yanayohusu eneo hili.Hapa tunaelezea kozi ya mafunzo ya akili bandia tuliyoanzisha na kuwasilisha kwa wanafunzi wa matibabu wa Kanada na kutoa mapendekezo kwa mafunzo ya baadaye.
Akili Bandia (AI) katika dawa inaweza kuboresha ufanisi wa mahali pa kazi na kusaidia kufanya maamuzi ya kimatibabu.Ili kuongoza kwa usalama matumizi ya akili ya bandia, madaktari lazima wawe na ufahamu fulani wa akili ya bandia.Maoni mengi yanatetea ufundishaji wa dhana za AI1, kama vile kuelezea miundo ya AI na michakato ya uthibitishaji2.Hata hivyo, mipango machache iliyopangwa imetekelezwa, hasa katika ngazi ya kitaifa.Pinto dos Santos et al.3.Wanafunzi 263 wa matibabu walichunguzwa na 71% walikubali kwamba walihitaji mafunzo ya akili bandia.Kufundisha maarifa ya bandia kwa hadhira ya matibabu kunahitaji muundo makini unaochanganya dhana za kiufundi na zisizo za kiufundi kwa wanafunzi ambao mara nyingi wana ujuzi wa awali wa kina.Tunaelezea uzoefu wetu wa kutoa mfululizo wa warsha za AI kwa makundi matatu ya wanafunzi wa matibabu na kutoa mapendekezo kwa elimu ya matibabu ya baadaye katika AI.
Warsha yetu ya wiki tano ya Ushauri Bandia katika Tiba kwa wanafunzi wa matibabu ilifanyika mara tatu kati ya Februari 2019 na Aprili 2021. Ratiba ya kila warsha, yenye maelezo mafupi ya mabadiliko ya kozi, imeonyeshwa kwenye Mchoro 1. Kozi yetu ina malengo matatu ya msingi ya kujifunza: wanafunzi wanaelewa jinsi data inavyochakatwa katika matumizi ya kijasusi bandia, kuchanganua fasihi ya akili bandia kwa ajili ya maombi ya kimatibabu, na kuchukua fursa ya fursa za kushirikiana na wahandisi wanaokuza akili bandia.
Bluu ndio mada ya muhadhara na buluu nyepesi ni kipindi shirikishi cha maswali na majibu.Sehemu ya kijivu ni lengo la mapitio mafupi ya fasihi.Sehemu za rangi ya chungwa ni masomo ya kifani yaliyochaguliwa ambayo yanaelezea miundo au mbinu za akili bandia.Green ni kozi ya programu inayoongozwa iliyoundwa iliyoundwa kufundisha akili bandia ili kutatua shida za kiafya na kutathmini mifano.Maudhui na muda wa warsha hutofautiana kulingana na tathmini ya mahitaji ya mwanafunzi.
Warsha ya kwanza ilifanyika katika Chuo Kikuu cha British Columbia kuanzia Februari hadi Aprili 2019, na washiriki wote 8 walitoa maoni chanya4.Kwa sababu ya COVID-19, warsha ya pili ilifanyika karibu Oktoba-Novemba 2020, na wanafunzi 222 wa matibabu na wakaazi 3 kutoka shule 8 za matibabu za Kanada walijiandikisha.Slaidi za uwasilishaji na msimbo zimepakiwa kwenye tovuti iliyo wazi ya ufikiaji (http://ubcaimed.github.io).Maoni muhimu kutoka kwa marudio ya kwanza yalikuwa kwamba mihadhara ilikuwa kali sana na nyenzo zilikuwa za kinadharia sana.Kutumikia maeneo sita ya saa tofauti ya Kanada huleta changamoto zaidi.Kwa hivyo, warsha ya pili ilifupisha kila kipindi hadi saa 1, imerahisisha nyenzo za kozi, ikaongeza visasili zaidi, na kuunda programu za bodi zilizoruhusu washiriki kukamilisha vijisehemu vya msimbo bila utatuzi mdogo (Sanduku la 1).Maoni muhimu kutoka kwa marudio ya pili yalijumuisha maoni chanya kuhusu mazoezi ya kupanga programu na ombi la kuonyesha upangaji wa mradi wa kujifunza kwa mashine.Kwa hivyo, katika warsha yetu ya tatu, iliyofanyika kwa takriban wanafunzi 126 wa kitiba mnamo Machi-Aprili 2021, tulijumuisha mazoezi shirikishi ya usimbaji na vipindi vya maoni ya mradi ili kuonyesha athari ya kutumia dhana za warsha kwenye miradi.
Uchanganuzi wa Data: Sehemu ya utafiti katika takwimu inayobainisha ruwaza za maana katika data kwa kuchanganua, kuchakata na kuwasiliana na mifumo ya data.
Uchimbaji data: mchakato wa kutambua na kuchimba data.Katika muktadha wa akili ya bandia, hii mara nyingi ni kubwa, na anuwai nyingi kwa kila sampuli.
Kupunguza vipimo: Mchakato wa kubadilisha data iliyo na vipengele vingi vya kibinafsi kuwa vipengele vichache huku ukihifadhi sifa muhimu za seti asili ya data.
Sifa (katika muktadha wa akili ya bandia): sifa zinazoweza kupimika za sampuli.Mara nyingi hutumiwa kwa kubadilishana na "mali" au "kigeu".
Ramani ya Uamilisho wa Gradient: Mbinu inayotumiwa kutafsiri miundo ya kijasusi bandia (hasa mitandao ya neva), ambayo huchanganua mchakato wa kuboresha sehemu ya mwisho ya mtandao ili kutambua maeneo ya data au picha ambazo zinaweza kubashiri sana.
Muundo Wastani: Muundo uliopo wa AI ambao umefunzwa awali kufanya kazi zinazofanana.
Majaribio (katika muktadha wa akili bandia): kuangalia jinsi mwanamitindo anavyofanya kazi kwa kutumia data ambayo hajawahi kukutana nayo hapo awali.
Mafunzo (katika muktadha wa akili bandia): Kutoa muundo na data na matokeo ili muundo urekebishe vigezo vyake vya ndani ili kuboresha uwezo wake wa kufanya kazi kwa kutumia data mpya.
Vekta: safu ya data.Katika kujifunza kwa mashine, kila kipengee cha mkusanyiko kwa kawaida ni kipengele cha kipekee cha sampuli.
Jedwali la 1 linaorodhesha kozi za hivi punde za Aprili 2021, ikijumuisha malengo yanayolengwa ya kujifunza kwa kila mada.Warsha hii inakusudiwa wale wapya katika ngazi ya kiufundi na haihitaji ujuzi wowote wa hisabati zaidi ya mwaka wa kwanza wa shahada ya kwanza ya matibabu.Kozi hiyo ilianzishwa na wanafunzi 6 wa matibabu na walimu 3 wenye digrii za juu za uhandisi.Wahandisi wanaunda nadharia ya akili bandia kufundisha, na wanafunzi wa matibabu wanajifunza nyenzo muhimu za kliniki.
Warsha ni pamoja na mihadhara, masomo ya kesi, na programu iliyoongozwa.Katika mhadhara wa kwanza, tunapitia dhana zilizoteuliwa za uchanganuzi wa data katika takwimu za kibayolojia, ikijumuisha taswira ya data, urejeshaji wa vifaa, na ulinganisho wa takwimu za maelezo na kufata neno.Ingawa uchanganuzi wa data ndio msingi wa akili bandia, hatujumuishi mada kama vile uchimbaji wa data, majaribio ya umuhimu au taswira shirikishi.Hii ilitokana na vikwazo vya muda na pia kwa sababu baadhi ya wanafunzi wa shahada ya kwanza walikuwa na mafunzo ya awali ya takwimu za kibayolojia na walitaka kushughulikia mada za kipekee zaidi za kujifunza mashine.Muhadhara unaofuata unatanguliza mbinu za kisasa na kujadili uundaji wa tatizo la AI, faida na vikwazo vya miundo ya AI, na majaribio ya kielelezo.Mihadhara hiyo inakamilishwa na fasihi na utafiti wa vitendo juu ya vifaa vya akili vya bandia vilivyopo.Tunasisitiza ujuzi unaohitajika ili kutathmini ufanisi na uwezekano wa kielelezo kushughulikia maswali ya kimatibabu, ikiwa ni pamoja na kuelewa vizuizi vya vifaa vya kijasusi vilivyopo.Kwa mfano, tuliwauliza wanafunzi kufasiri miongozo ya majeraha ya kichwa ya watoto iliyopendekezwa na Kupperman et al., 5 ambayo ilitekeleza algoriti ya mti ya uamuzi wa akili ili kubaini kama CT scan inaweza kuwa muhimu kulingana na uchunguzi wa daktari.Tunasisitiza kwamba huu ni mfano wa kawaida wa AI kutoa uchanganuzi wa kutabiri kwa madaktari kutafsiri, badala ya kuchukua nafasi ya madaktari.
Katika mifano inayopatikana ya programu huria ya bootstrap (https://github.com/ubcaimed/ubcaimed.github.io/tree/master/programming_examples), tunaonyesha jinsi ya kufanya uchambuzi wa data ya uchunguzi, kupunguza vipimo, upakiaji wa muundo wa kawaida na mafunzo. .na kupima.Tunatumia madaftari ya Ushirikiano wa Google (Google LLC, Mountain View, CA), ambayo huruhusu msimbo wa Python kutekelezwa kutoka kwa kivinjari.Katika Mchoro wa 2 hutoa mfano wa zoezi la programu.Zoezi hili linahusisha kutabiri magonjwa kwa kutumia Dataset ya Wisconsin Open Breast Imaging6 na algoriti ya mti wa maamuzi.
Wasilisha programu wiki nzima kuhusu mada zinazohusiana na uchague mifano kutoka kwa programu za AI zilizochapishwa.Vipengele vya upangaji hujumuishwa tu ikiwa vinachukuliwa kuwa muhimu katika kutoa maarifa katika mazoezi ya kliniki ya siku zijazo, kama vile jinsi ya kutathmini miundo ili kubaini ikiwa iko tayari kutumika katika majaribio ya kimatibabu.Mifano hii huishia kwa matumizi kamili ya mwisho hadi mwisho ambayo huainisha uvimbe kuwa mbaya au mbaya kulingana na vigezo vya picha za matibabu.
Heterogeneity ya ujuzi wa awali.Washiriki wetu walitofautiana katika kiwango chao cha maarifa ya hisabati.Kwa mfano, wanafunzi walio na usuli wa hali ya juu wa uhandisi wanatafuta nyenzo za kina zaidi, kama vile jinsi ya kufanya mabadiliko yao ya Fourier.Hata hivyo, kujadili algoriti ya Fourier darasani haiwezekani kwa sababu inahitaji ujuzi wa kina wa uchakataji wa mawimbi.
Mtiririko wa mahudhurio.Hudhurio la mikutano ya ufuatiliaji lilipungua, haswa katika miundo ya mtandaoni.Suluhisho linaweza kuwa kufuatilia mahudhurio na kutoa cheti cha kukamilika.Shule za matibabu zinajulikana kutambua nakala za shughuli za masomo za ziada za wanafunzi, ambazo zinaweza kuwahimiza wanafunzi kufuata digrii.
Muundo wa Kozi: Kwa sababu AI inahusisha sehemu ndogo ndogo, kuchagua dhana za msingi za kina na upana unaofaa inaweza kuwa changamoto.Kwa mfano, mwendelezo wa matumizi ya zana za AI kutoka kwa maabara hadi kliniki ni mada muhimu.Ingawa tunashughulikia uchakataji wa awali wa data, ujenzi wa miundo na uthibitishaji, hatujumuishi mada kama vile uchanganuzi mkubwa wa data, taswira shirikishi, au kufanya majaribio ya kimatibabu ya AI, badala yake tunazingatia dhana za kipekee zaidi za AI.Kanuni yetu elekezi ni kuboresha kusoma na kuandika, si ujuzi.Kwa mfano, kuelewa jinsi modeli huchakata vipengele vya ingizo ni muhimu kwa ufasiri.Njia moja ya kufanya hivyo ni kutumia ramani za kuwezesha gradient, ambazo zinaweza kuibua ni maeneo gani ya data yanaweza kutabirika.Hata hivyo, hii inahitaji calculus multivariate na haiwezi kuletwa8.Uundaji wa istilahi za kawaida ulikuwa changamoto kwa sababu tulikuwa tunajaribu kueleza jinsi ya kufanya kazi na data kama vekta bila urasimi wa kihisabati.Kumbuka kuwa maneno tofauti yana maana sawa, kwa mfano, katika elimu ya magonjwa, "tabia" inafafanuliwa kama "kigeu" au "sifa."
Uhifadhi wa maarifa.Kwa sababu utumiaji wa AI ni mdogo, kiwango ambacho washiriki huhifadhi maarifa bado kitaonekana.Mitaala ya shule za matibabu mara nyingi hutegemea marudio yaliyopangwa ili kuimarisha ujuzi wakati wa mzunguko wa vitendo,9 ambao unaweza pia kutumika kwa elimu ya AI.
Taaluma ni muhimu zaidi kuliko kusoma na kuandika.Ya kina cha nyenzo imeundwa bila ukali wa hisabati, ambayo ilikuwa tatizo wakati wa kuzindua kozi za kliniki katika akili ya bandia.Katika mifano ya programu, tunatumia programu ya kiolezo ambayo inaruhusu washiriki kujaza sehemu na kuendesha programu bila kulazimika kufahamu jinsi ya kuweka mazingira kamili ya programu.
Wasiwasi kuhusu akili bandia kushughulikiwa: Kuna wasiwasi ulioenea kwamba akili bandia inaweza kuchukua nafasi ya baadhi ya majukumu ya kiafya3.Ili kushughulikia suala hili, tunaelezea mapungufu ya AI, ikiwa ni pamoja na ukweli kwamba karibu teknolojia zote za AI zilizoidhinishwa na wasimamizi zinahitaji usimamizi wa daktari11.Pia tunasisitiza umuhimu wa upendeleo kwa sababu algoriti huwa na upendeleo, haswa ikiwa seti ya data si tofauti12.Kwa hivyo, kikundi kidogo kinaweza kutengenezwa vibaya, na kusababisha maamuzi yasiyo ya haki ya kiafya.
Rasilimali zinapatikana kwa umma: Tumeunda nyenzo zinazopatikana kwa umma, ikijumuisha slaidi za mihadhara na msimbo.Ingawa ufikiaji wa maudhui yanayosawazishwa ni mdogo kwa sababu ya saa za eneo, maudhui ya chanzo huria ni njia rahisi ya kujifunza kwa njia isiyosawazisha kwani utaalam wa AI haupatikani katika shule zote za matibabu.
Ushirikiano wa Taaluma mbalimbali: Warsha hii ni ubia ulioanzishwa na wanafunzi wa matibabu kupanga kozi pamoja na wahandisi.Hii inaonyesha fursa za ushirikiano na mapungufu ya maarifa katika maeneo yote mawili, hivyo kuruhusu washiriki kuelewa jukumu linalowezekana wanaloweza kuchangia katika siku zijazo.
Bainisha uwezo wa msingi wa AI.Kufafanua orodha ya ujuzi hutoa muundo sanifu ambao unaweza kuunganishwa katika mitaala iliyopo ya matibabu inayozingatia uwezo.Warsha hii kwa sasa inatumia Malengo ya Kujifunza Viwango 2 (Ufahamu), 3 (Matumizi), na 4 (Uchambuzi) wa Taxonomia ya Bloom.Kuwa na rasilimali katika viwango vya juu vya uainishaji, kama vile kuunda miradi, kunaweza kuimarisha maarifa zaidi.Hili linahitaji kufanya kazi na wataalamu wa kimatibabu ili kubaini jinsi mada za AI zinavyoweza kutumika kwa mtiririko wa kazi wa kimatibabu na kuzuia ufundishaji wa mada zinazojirudia tayari zimejumuishwa katika mitaala ya kawaida ya matibabu.
Unda masomo ya kifani kwa kutumia AI.Sawa na mifano ya kimatibabu, kujifunza kulingana na kesi kunaweza kuimarisha dhana dhahania kwa kuangazia umuhimu wao kwa maswali ya kimatibabu.Kwa mfano, utafiti mmoja wa warsha ulichanganua mfumo wa 13 wa Google wa kutambua ugonjwa wa kisukari unaotegemea AI ili kubainisha changamoto katika njia kutoka kwa maabara hadi kliniki, kama vile mahitaji ya uthibitisho wa nje na njia za uidhinishaji wa udhibiti.
Tumia mafunzo ya uzoefu: Ujuzi wa kiufundi unahitaji mazoezi mahususi na utumizi unaorudiwa ili kupata ujuzi, sawa na uzoefu wa kujifunza wa kupokezana wa wanafunzi wa kliniki.Suluhisho moja linalowezekana ni muundo wa darasani uliogeuzwa, ambao umeripotiwa kuboresha uhifadhi wa maarifa katika elimu ya uhandisi14.Katika mtindo huu, wanafunzi hupitia nyenzo za kinadharia kwa kujitegemea na wakati wa darasa hutolewa kutatua matatizo kupitia masomo ya kesi.
Kuongeza idadi ya washiriki wa fani mbalimbali: Tunatazamia kupitishwa kwa AI ikihusisha ushirikiano katika taaluma mbalimbali, ikiwa ni pamoja na madaktari na wataalamu wa afya washirika wenye viwango tofauti vya mafunzo.Kwa hivyo, mitaala inaweza kuhitaji kutayarishwa kwa kushauriana na kitivo kutoka idara tofauti ili kurekebisha yaliyomo kwa maeneo tofauti ya utunzaji wa afya.
Akili ya Bandia ni ya hali ya juu na dhana zake za msingi zinahusiana na hisabati na sayansi ya kompyuta.Kutoa mafunzo kwa wahudumu wa afya kuelewa akili bandia kunaleta changamoto za kipekee katika uteuzi wa maudhui, umuhimu wa kimatibabu na mbinu za kujifungua.Tunatumai kuwa maarifa yanayopatikana kutoka kwa warsha za AI katika Elimu yatasaidia waelimishaji wa siku zijazo kukumbatia njia za ubunifu za kuunganisha AI katika elimu ya matibabu.
Hati ya Google Colaboratory Python ni chanzo wazi na inapatikana kwa: https://github.com/ubcaimed/ubcaimed.github.io/tree/master/.
Prober, KG na Khan, S. Kufikiria upya elimu ya matibabu: wito wa kuchukua hatua.Akkad.dawa.88, 1407–1410 (2013).
McCoy, LG n.k. Je! Wanafunzi wa matibabu wanahitaji kujua nini kuhusu akili bandia?Nambari za NPZh.Dawa 3, 1–3 (2020).
Dos Santos, DP, et al.Mitazamo ya wanafunzi wa matibabu kuelekea akili bandia: uchunguzi wa vituo vingi.EURO.mionzi.29, 1640–1646 (2019).
Shabiki, KY, Hu, R., na Singla, R. Utangulizi wa kujifunza kwa mashine kwa wanafunzi wa matibabu: mradi wa majaribio.J. Med.fundisha.54, 1042–1043 (2020).
Cooperman N, et al.Kutambua watoto walio katika hatari ndogo sana ya jeraha kubwa la kiafya la ubongo baada ya jeraha la kichwa: utafiti wa kundi linalotarajiwa.Lancet 374, 1160–1170 (2009).
Street, WN, Wolberg, WH na Mangasarian, OL.Uchimbaji wa kipengele cha nyuklia kwa utambuzi wa tumor ya matiti.Sayansi ya Biomedical.Uchakataji wa picha.Sayansi ya Biomedical.Weiss.1905, 861–870 (1993).
Chen, PHC, Liu, Y. na Peng, L. Jinsi ya kutengeneza miundo ya mashine ya kujifunza kwa ajili ya afya.Nat.Mt.18, 410–414 (2019).
Selvaraju, RR et al.Grad-cam: Ufafanuzi unaoonekana wa mitandao ya kina kupitia ujanibishaji unaotegemea gradient.Kesi za Kongamano la Kimataifa la IEEE kuhusu Maono ya Kompyuta, 618–626 (2017).
Kumaravel B, Stewart K na Ilic D. Ukuzaji na tathmini ya muundo wa ond wa kutathmini umahiri wa dawa unaotegemea ushahidi kwa kutumia OSCE katika elimu ya matibabu ya shahada ya kwanza.Dawa ya BMK.fundisha.21, 1–9 (2021).
Mafunzo ya Mashine ya Kolachalama VB na Garg PS na elimu ya matibabu.Nambari za NPZh.dawa.1, 1–3 (2018).
van Leeuwen, KG, Schalekamp, S., Rutten, MJ, van Ginneken, B. na de Rooy, M. Akili bandia katika radiolojia: Bidhaa 100 za kibiashara na ushahidi wao wa kisayansi.EURO.mionzi.31, 3797–3804 (2021).
Topol, EJ Dawa ya utendaji wa hali ya juu: muunganiko wa akili ya binadamu na bandia.Nat.dawa.25, 44–56 (2019).
Bede, E. et al.Tathmini inayozingatia binadamu ya mfumo wa kina wa kujifunza uliowekwa katika kliniki ili kugundua ugonjwa wa retinopathy ya kisukari.Kesi za Mkutano wa CHI wa 2020 kuhusu Mambo ya Kibinadamu katika Mifumo ya Kompyuta (2020).
Kerr, B. Darasa lililobadilika-badilika katika elimu ya uhandisi: Mapitio ya utafiti.Mijadala ya Kongamano la Kimataifa la 2015 kuhusu Mafunzo ya Shirikishi shirikishi (2015).
Waandishi hao wanamshukuru Danielle Walker, Tim Salcudin, na Peter Zandstra kutoka Kundi la Utafiti wa Upigaji picha za Kibiomedical na Usanii wa Artificial Intelligence katika Chuo Kikuu cha British Columbia kwa usaidizi na ufadhili.
RH, PP, ZH, RS na MA zilihusika katika kuendeleza maudhui ya mafundisho ya warsha.RH na PP walikuwa na jukumu la kuunda mifano ya programu.KYF, OY, MT na PW waliwajibika kwa shirika la vifaa vya mradi na uchambuzi wa warsha.RH, OY, MT, RS walikuwa na jukumu la kuunda takwimu na meza.RH, KYF, PP, ZH, OY, MY, PW, TL, MA, RS walikuwa na jukumu la kuandaa na kuhariri hati.
Dawa ya Mawasiliano inamshukuru Carolyn McGregor, Fabio Moraes, na Aditya Borakati kwa michango yao katika ukaguzi wa kazi hii.
Muda wa kutuma: Feb-19-2024